차별과 인공지능

인공지능과 차별 될 것인가?

인공지능과 차별 될 것인가? 경제의 모든 영역에서 인공지능을 기반으로 한 시스템의 채택이 계속해서 증가함에 따라 여성에 대한 잠재적 차별이 발생하거나 새로운 경력 전망이 열릴 수 있습니다. 두 번째 시나리오를 달성하기 위해 무엇을 해야하는지에 대해 알아 봅시다. 수년 동안 인공지능이 노동 시장을 변화시킬 것이라는 논쟁이 꾸준히 있었습니다. 오늘날의 초점은 미래의 불가피성에서 세계가 언제 어떻게 변할 것이며 그것이 우리 모두에게 무엇을 의미하는지에 대한 평가로 옮겨졌습니다. 인공지능을 만들려는 시도가 여러 번 있었지만 영화와 책에서 묘사되는 인공지능은 아직 구축 되기까지는 아직 먼 길입니다. 틈새 작업을 해결하고 많은 양의 데이터에서 패턴을 찾을 수있는 좁은 스마트 알고리즘이 많이 있습니다. 예를 들어 의심스러운 거래를 중지 해야하는지 허용 해야하는지, 화물을 어디로 보내야하는지, 대출을 받아야하는지 등을 결정하는 데 도움이 됩니다. 이러한 시스템의 실수 가능성은 사람의 성능에 비해 훨씬 낮습니다. 인간의 의사 결정을 보완하거나 대체 할 수있는 알고리즘의 추가 개발은 일상적인 의사 결정을 요구하는 역할의 수를 줄여 줄 것이고 이는 여성이 종종 수행하는 것입니다. 여행사, 택시 배달원, 점원 및 기타 직업의 밝은 미래를 상상하기는 이미 어렵습니다. IMF의 예측에 따르면 연구원들은 여성이 보유한 일자리가 향후 30년 뒤에 20% 정도 자동화 될 것입니다. 초점은 또한 이러한 알고리즘을 설계하는 것으로 이동합니다. 점점 더 많은 결정이 여성에게 유리하지 않고 자동으로 이루어집니다. 예를 들어 4년 전 세계 최대 온라인 소매업 체인 아마존은 여성 개발자를 차별했기 때문에 자동화 된 이력서 검토 시스템을 해산해야 했습니다. 이러한 상황은 기계 학습 모델을 훈련하는데 사용 된 데이터 가 10년 동안의 채용 기록을 나타내었기 때문에 발생했습니다 . 당시 대부분의 후보자는 남성이었지만 이것이 남성이 기술 분야에서 더 뛰어나다는 것을 증명하지는 않습니다. 알고리즘이 점점 더 많은 결정을 내릴 수 있다는 점을 고려할 때 유사한 부작용이 문제가 될 수 있습니다. 알고리즘은 기존 데이터 세트 내에서 패턴을 찾는다고 널리 알려져 있습니다. 그러나 데이터에 초점을 맞추면이 문제의 두 가지 측면, 즉 기존 알고리즘의 한계와 더 중요한 것은이를 훈련하는 사람들의 역할을 잊기 쉽습니다. 대부분의 알고리즘은 데이터에 대해 전혀 이해하지 않고 데이터 내에서 상관 관계를 포착합니다. 문제를 해결하고 올바른 질문을 할 수있는 사람들이 참여하지 않는 한 최고의 데이터조차도 의미가 없으므로 알고리즘은 단순히 우리 자신의 편견을 반영 할 것입니다. 인공지능 시스템 개발자는 데이터 세트가 형성되는 방식을 주의 깊게 모니터링 하고 발생할 수있는 모든 편향을 추적해야 합니다. 그리고 알고리즘에 의한 실수를 추적해야 합니다. 때로는 오류 비율이 매우 낮지만 한 그룹의 사람들과 관련이 있을 수 있습니다. 예를 들어서 채점 모델은 차이나 타운 거주자에게 대출을 제공하는 것을 체계적으로 거부합니다. 그러한 행동은 우리가 의사 결정에 대한 책임을 점점 더 시스템으로 옮기고 있기 때문에 특히 위험합니다. 현재 사용중인 일부 고급 알고리즘은 해석조차 할 수 없고 특정 결정이 내려진 이유 또는 영향을 준 요인을 이해할 수 없습니다. 여성들은 이미 정직하고 공정한 대우를 받기 위해 많은 에너지를 소비합니다. 아마도 법적 근거가 필요합니다. 일부 규제 기관은 이미 이 문제를 해결했습니다. 예를 들어서 유럽연합 일반 데이터 보호 규정은 기업이 인공지능 시스템이 내린 결정의 이유를 설명하고 차별을 방지하기 위해 모니터링 하도록 요구합니다. 현재는 대기업과 정부 만이 최첨단 인공지능 모델을 출시하는 데 필요한 소프트웨어와 하드웨어를 감당할 수 있습니다. 이 장벽은 기술이 널리 사용되기 전에 몇 가지 기본 규칙을 설정하는 데 사용할 수 있습니다. 많은 미래 학자들은 여성의 성공 가능성에 대해 낙관합니다. 왜냐하면 이 용감한 신세계에서 가장 가치있는 기술은 알고리즘이 습득 할 수없는 소프트 기술과 감성 지능의 사용입니다. 따라서 조직의 약 85%는 감성 지능이 향후 성공의 전제 조건이 될 것이라고 믿고 있습니다. 새로운 노동 시장은 전통적으로 여성과 관련된 특성인 연민, 멀티 태스킹, 협력 및 공감을 중요하게 생각합니다. 이는 여성이 고용 될 가능성이 더 크다는 것을 의미합니다. 그러나 여기에는 다른 뉘앙스가 있습니다. 인공 지능이 지배하는 세상에서 성공하려면 재교육과 적응의 훌륭한 작업이 필요합니다. 결국 살아남는 것은 가장 강력하고 지능적인 사람이 아니라 변화에 가장 적응할 수있는 사람입니다. 그러나 적응할 수 없기 때문에 여성에게 추가적인 위험이 발생할 수 있습니다. 자동화의 새로운 과제가 기존의 어려움에 추가되어 양성 평등의 장벽을 만듭니다. 이제는 직업, 고용주, 산업 및 국가를 그 어느 때보 다 쉽게 변경할 수 있으므로 직원 간의 이동성과 유연성이 필요합니다. 여성은 집에서 두 번째 직업을 갖기 때문에 남성보다 이동성이 떨어지는 경우가 많습니다. 더욱이 그들은 종종 네트워킹에서 제외되어 남성이 기술을 향상시키고 멘토를 찾고 새로운 고용 기회를 찾을 수 있습니다. 반면에 기업은 직원들이 자동화 할 수 없는 기술을 개발하도록 유도하는 데 더 많은 동기를 부여 할 것입니다. 여성이 적극적이고 적응할 수 있다면 더 많은 고용 기회를 갖게 될 것입니다. 아무도 필요로 하지 않는 것을 잘하는 것이 가장 큰 시간 낭비라는 것을 명심해야 합니다. 미래에는 협상 능력과 입지를 다지는 능력, 추세를 파악하고 전략을 구축하는 능력이라는 두 가지 범주의 기술이 가장 중요 할 것입니다. 그렇기 때문에 조직에는 기계와 사람 모두와 대화 할 수있는 직원이 필요합니다. 최근에 기술이 크게 민주화 되어 인공지능을 사용하기 위해 박사 학위가 필요하지 않습니다. 오늘날은 직업이 데이터 분석과 전혀 관련이 없더라도 처음에는 복잡해 보이는 기술의 기초에 대한 통찰력을 얻기에 가장 좋은시기입니다. 경영진이 최소한 다양한 유형의 데이터를 분석하기 위한 머신 러닝 방법에 익숙해지는 것이 유용 할 것입니다. 이러한 분석을 통해 특정 영역에서 인공지능 구현을 위한 사용 사례를 평가하고 디지털 전환을 위한 효과적인 전략을 구축 할 수 있습니다. 프로그래밍 및 기계 학습 모델 생성과 같은 주제에 대한 심층 분석 및 실용적인 기술 습득은 일상적인 분석을 실행하고 의사 결정 프로세스를 자동화하려는 사람들에게 유용 할 것입니다.